摘" 要： 為解決當(dāng)前接觸式睡眠呼吸監(jiān)測(cè)系統(tǒng)操作復(fù)雜、影響睡眠質(zhì)量的問(wèn)題，設(shè)計(jì)了一種非接觸式睡眠呼吸檢測(cè)系統(tǒng)。硬件系統(tǒng)以STM32G431VBT6單片機(jī)為核心，設(shè)計(jì)了信號(hào)調(diào)理與采集電路、WiFi通信電路，采用K?LC5雷達(dá)傳感器采集用戶睡眠過(guò)程中的呼吸信號(hào)。軟件系統(tǒng)采用數(shù)字濾波算法對(duì)雷達(dá)傳感器采集的胸腔位移信號(hào)進(jìn)行處理，從中提取呼吸信號(hào)，并基于能量法進(jìn)行呼吸暫停判定。測(cè)試結(jié)果表明，所設(shè)計(jì)系統(tǒng)能有效檢測(cè)出睡眠狀態(tài)下的呼吸狀態(tài)，呼吸率的測(cè)試準(zhǔn)確率達(dá)到了94.44%以上。

關(guān)鍵詞： 睡眠呼吸檢測(cè)； 非接觸式； 雷達(dá)傳感器； 呼吸信號(hào)； 呼吸暫停識(shí)別； 能量法

中圖分類號(hào)： TN957.51?34； TP99" " " " " " " " " "文獻(xiàn)標(biāo)識(shí)碼： A" " " " " " " " " " 文章編號(hào)： 1004?373X（2024）22?0007?05

Design of non?contact sleep respiratory detection system based on radar sensor

Abstract： In order to solve the problems of complex operation and affecting sleep quality of current contact sleep respiratory monitoring system， a non?contact sleep respiration detection system is designed. In the hardware system， the STM32G431VBT6 MCU is used as the core， the signal conditioning and acquisition circuit and WiFi communication circuit are designed， and the K?LC5 radar sensor is used to collect user's respiration signal during sleep. In the software system， the digital filtering algorithm is used to process the thoracic displacement signal collected by the radar sensor， extract the respiratory signal， and determine the apnea based on the energy method. The testing results show that the designed system can effectively detect the respiratory status during sleep， with an accuracy rate of over 94.44% for respiratory rate.

Keywords： sleep respiration detection; non contact type; radar sensors; respiratory signal; apnea recognition; energy method

0" 引" 言

近年來(lái)，隨著現(xiàn)代社會(huì)的不斷進(jìn)步，睡眠問(wèn)題逐漸受到人們的重視，成為全民關(guān)注的健康問(wèn)題之一。據(jù)世界衛(wèi)生組織調(diào)查顯示，全世界有27%的人有睡眠問(wèn)題[1?2]。據(jù)中國(guó)睡眠研究會(huì)等機(jī)構(gòu)聯(lián)合發(fā)布的《健康睡眠新時(shí)代——2023中國(guó)健康睡眠白皮書》顯示，在我國(guó)普遍存在睡眠時(shí)間減少、入睡困難、失眠等問(wèn)題，睡眠障礙的比例高達(dá)38.2%，比世界平均水平高出10%。由睡眠障礙引起的睡眠呼吸暫停綜合征（Sleep Apnea Syndrome， SAS）是一種發(fā)病率高的睡眠呼吸疾病[3?4]，會(huì)導(dǎo)致心率失常、高血壓、糖尿病、呼吸衰竭等并發(fā)癥，嚴(yán)重危害人體健康甚至危及生命[5]。睡眠呼吸是睡眠呼吸暫停診斷的重要指標(biāo)[6]，因此對(duì)睡眠呼吸進(jìn)行檢測(cè)，同時(shí)對(duì)呼吸暫停進(jìn)行判斷和危險(xiǎn)預(yù)警極為重要。

目前，睡眠呼吸檢測(cè)硬件分為接觸式測(cè)量和非接觸式測(cè)量?jī)纱箢怺7]。接觸式檢測(cè)主要利用壓力傳感器[8]、三軸加速度傳感器[8?9]、溫度傳感器[10]等，通過(guò)傳感器和人體接觸獲得人體睡眠呼吸信號(hào)。接觸式檢測(cè)在實(shí)施過(guò)程中不可避免地會(huì)對(duì)睡眠造成影響，也會(huì)給受測(cè)者造成身體與心理負(fù)擔(dān)。近年來(lái)，利用雷達(dá)進(jìn)行生命體征監(jiān)測(cè)逐漸成為研究熱點(diǎn)[11?12]。該方法能夠克服接觸式檢測(cè)的缺點(diǎn)，給受測(cè)者提供相對(duì)自由的檢測(cè)環(huán)境，實(shí)現(xiàn)生理和心理低負(fù)荷檢測(cè)，在日常睡眠監(jiān)測(cè)和臨床輔助診斷領(lǐng)域有較大發(fā)展?jié)摿Α?/p>

本文基于雷達(dá)傳感器進(jìn)行了非接觸式睡眠呼吸檢測(cè)系統(tǒng)設(shè)計(jì)，采用雷達(dá)傳感器檢測(cè)人體呼吸引起的胸腹部表面微動(dòng)，通過(guò)特征提取和數(shù)字濾波方法提取呼吸信號(hào)，并基于能量譜對(duì)睡眠呼吸暫停進(jìn)行判斷和危險(xiǎn)預(yù)警。本文系統(tǒng)在日常睡眠監(jiān)測(cè)和臨床輔助診斷領(lǐng)域有較大的應(yīng)用前景。

1" 雷達(dá)傳感器呼吸檢測(cè)原理

雷達(dá)傳感器基于微多普勒頻移對(duì)呼吸進(jìn)行檢測(cè)。連續(xù)波多普勒雷達(dá)檢測(cè)呼吸信號(hào)的示意圖如圖1所示。

2" 系統(tǒng)硬件設(shè)計(jì)

2.1" 方案設(shè)計(jì)

睡眠呼吸檢測(cè)系統(tǒng)硬件結(jié)構(gòu)框圖如圖2所示。

雷達(dá)傳感器采集睡眠時(shí)呼吸運(yùn)動(dòng)引起的微小位移，信號(hào)調(diào)理模塊對(duì)雷達(dá)傳感器采集到的胸腔壁位移信號(hào)進(jìn)行放大、濾波處理。STM32G431VBT6單片機(jī)作為核心控制器利用，內(nèi)置的12 bit ADC對(duì)處理后的信號(hào)進(jìn)行數(shù)據(jù)采集和進(jìn)一步處理，通過(guò)嵌入式特征提取算法和濾波處理提取呼吸信號(hào)，并基于能量譜對(duì)睡眠呼吸暫停進(jìn)行判斷和危險(xiǎn)預(yù)警。通過(guò)無(wú)線傳輸模塊將提取的呼吸信號(hào)數(shù)據(jù)實(shí)時(shí)上傳到上位機(jī)端，并將監(jiān)測(cè)到的呼吸異常情況進(jìn)行報(bào)警，位于上位機(jī)的睡眠監(jiān)測(cè)系統(tǒng)實(shí)時(shí)顯示睡眠狀態(tài)的波形和數(shù)據(jù)。

2.2" 傳感器與數(shù)據(jù)采集模塊

系統(tǒng)采用RFbeam Microwave GmbH公司的低成本多普勒雷達(dá)傳感器K?LC5，該傳感器集成了高靈敏度、低噪聲放大器，工作頻率為24 GHz，天線輻射角度為水平80°、垂直35°，發(fā)射功率為15 dBm，接收靈敏度為-103 dBm，提供I/Q兩通道正交輸出，非常適用于微小運(yùn)動(dòng)的檢測(cè)[15]。雷達(dá)傳感器的I/Q信號(hào)調(diào)理電路如圖3所示，其幅頻特性響應(yīng)曲線如圖4所示。

胸腔壁運(yùn)動(dòng)時(shí)，雷達(dá)傳感器輸出的I/Q信號(hào)包含直流成分和噪聲，為了濾除呼吸信號(hào)中的高頻噪聲和基線漂移，采取帶通濾波方式對(duì)基帶信號(hào)進(jìn)行處理。首先經(jīng)過(guò)低通濾波器濾除高頻成分，再經(jīng)過(guò)高通濾波器濾除直流和準(zhǔn)直流成分，去除基線漂移。為防止運(yùn)放飽和，濾波放大倍數(shù)設(shè)置為10，經(jīng)過(guò)兩級(jí)帶通濾波后，信號(hào)放大100倍，之后經(jīng)過(guò)三級(jí)放大電路調(diào)節(jié)呼吸信號(hào)的幅度[15]，最終輸出幅度為0～3 V的電壓信號(hào)，由STM32G431VBT6內(nèi)置的12 bit ADC進(jìn)行采集。

2.3" WiFi通信模塊

系統(tǒng)通過(guò)樂(lè)鑫公司的ESP32?WROOM?32E WiFi模組實(shí)現(xiàn)睡眠呼吸檢測(cè)硬件終端與上位機(jī)的無(wú)線通信。該模組內(nèi)置雙核處理器，支持高達(dá)240 MHz的時(shí)鐘頻率，集成了WiFi、藍(lán)牙、BLE射頻、低功耗基帶以及豐富的模擬和數(shù)字接口，符合WiFi 802.11n和藍(lán)牙4.2標(biāo)準(zhǔn)，支持IEEE 802.11b/g/n/e/i協(xié)議，最大傳輸速率為150 Mb/s，最大發(fā)射功率為19.5 dBm，內(nèi)置TCP/IP協(xié)議，可傳送TCP數(shù)據(jù)，其WiFi接收靈敏度可達(dá)-98 dBm，UDP持續(xù)吞吐量達(dá)135 Mb/s，支持Station模式、AP模式和Station+AP模式三種WiFi配置。該模組具有可擴(kuò)展、自適應(yīng)的特點(diǎn)，功能強(qiáng)大，用途廣泛，適用于低功耗傳感器網(wǎng)絡(luò)，滿足系統(tǒng)的需求。

3" 系統(tǒng)軟件設(shè)計(jì)

睡眠呼吸檢測(cè)系統(tǒng)的軟件設(shè)計(jì)是系統(tǒng)的關(guān)鍵部分，主要包括以STM32G431VBT6單片機(jī)為核心的數(shù)據(jù)采集與控制程序，以及基于雷達(dá)回波信號(hào)的呼吸信號(hào)特征提取算法。

3.1" 下位機(jī)軟件設(shè)計(jì)

下位機(jī)系統(tǒng)的工作主要是控制外圍電路完成A/D轉(zhuǎn)換、定時(shí)采樣、數(shù)據(jù)存儲(chǔ)與傳輸?shù)?。下位機(jī)軟件流程如圖5所示。

程序根據(jù)硬件系統(tǒng)配置和接口對(duì)STM32G431VBT6的時(shí)鐘系統(tǒng)、I/O、Timer、ADC、DMA、USART進(jìn)行初始化設(shè)置。系統(tǒng)需要對(duì)傳感器輸出的I/Q信號(hào)進(jìn)行同步采集，本文采用定時(shí)器觸發(fā)ADC進(jìn)行同步采樣，并采用DMA讀取數(shù)據(jù)，實(shí)現(xiàn)雷達(dá)傳感器I/Q通道回波信號(hào)的存儲(chǔ)。程序配置時(shí)，先開啟STM32單片機(jī)的ADC1和ADC2，并將其觸發(fā)源配置為同一個(gè)定時(shí)器。配置定時(shí)器TIM1觸發(fā)頻率為32 Hz，STM32單片機(jī)的ADC1和ADC2將以32 Hz采樣頻率對(duì)I/Q信號(hào)進(jìn)行采樣，采樣數(shù)據(jù)存儲(chǔ)設(shè)置為DMA模式，ADC每采集完一次數(shù)據(jù)，就將其通過(guò)DMA搬運(yùn)到指定的存儲(chǔ)單元。之后單片機(jī)將數(shù)據(jù)封裝成數(shù)據(jù)幀并存入相應(yīng)的數(shù)據(jù)存儲(chǔ)區(qū)，由數(shù)據(jù)處理程序?qū)走_(dá)回波信號(hào)進(jìn)行處理，并提取呼吸信號(hào)、計(jì)算呼吸率；再根據(jù)需要將數(shù)據(jù)發(fā)送到上位機(jī)。

3.2" 呼吸信號(hào)特征提取算法

人體隨機(jī)運(yùn)動(dòng)、環(huán)境噪聲以及雷達(dá)檢測(cè)系統(tǒng)輸入端引入的噪聲和雜波分量都會(huì)引入傳感器采集的人體胸腔壁運(yùn)動(dòng)信號(hào)中，因此需要設(shè)計(jì)合適的算法才能從人體胸腔壁中提取出呼吸信號(hào)。本文呼吸信號(hào)檢測(cè)算法流程如圖6所示。

首先用回波信號(hào)的樣本值減去平均值，去除直流分量；之后進(jìn)行滑動(dòng)平均濾波來(lái)去除噪聲。正常人呼吸運(yùn)動(dòng)頻率范圍為0.1～0.5 Hz，為了濾除信號(hào)中存在的高頻或低頻干擾信號(hào)，設(shè)計(jì)FIR帶通濾波器去除干擾分量。本文使用Matlab的FDATool工具進(jìn)行濾波器設(shè)計(jì)。參數(shù)設(shè)置為：采用漢寧窗，濾波器通帶截止頻率為0.1～0.5 Hz，濾波器階數(shù)為30，采樣頻率為25 Hz。圖7為濾波器的幅頻響應(yīng)曲線。之后利用短時(shí)傅里葉變換（STFT）設(shè)定窗函數(shù)截取信號(hào)，進(jìn)行傅里葉分析；然后沿著信號(hào)時(shí)間方向移動(dòng)窗函數(shù)，采用的窗函數(shù)寬度為10 s，得到頻率隨時(shí)間的變化關(guān)系。本文采用1 024點(diǎn)的STFT對(duì)呼吸信號(hào)的頻譜尋峰，圖8為呼吸信號(hào)波形及進(jìn)行STFT后得到的頻譜圖，通過(guò)尋找峰值點(diǎn)可得到呼吸頻率。

3.3" 呼吸暫停識(shí)別算法

根據(jù)離散信號(hào)的能量公式[E=x（n）2]可知，信號(hào)在時(shí)域內(nèi)的能量與呼吸強(qiáng)度有關(guān)，在發(fā)生呼吸暫停時(shí)，信號(hào)的強(qiáng)度比正常呼吸時(shí)小。因此，對(duì)雷達(dá)采集的胸腔壁運(yùn)動(dòng)信號(hào)經(jīng)過(guò)去直流、加窗帶通濾波處理后，可以用能量譜的方式對(duì)其進(jìn)行呼吸暫停識(shí)別，可以基于能量譜對(duì)睡眠呼吸暫停進(jìn)行判斷和危險(xiǎn)預(yù)警。呼吸暫停識(shí)別算法流程如圖9所示。對(duì)帶通濾波、平滑處理后的信號(hào)進(jìn)行加窗處理，并計(jì)算各段能量；之后與設(shè)定的閾值進(jìn)行比較和判定，可根據(jù)判定結(jié)果進(jìn)行危險(xiǎn)預(yù)警決策分析。

4" 系統(tǒng)測(cè)試

為了驗(yàn)證本文設(shè)計(jì)的睡眠呼吸檢測(cè)系統(tǒng)的實(shí)際使用效果，對(duì)系統(tǒng)檢測(cè)結(jié)果的準(zhǔn)確性進(jìn)行測(cè)試。分別采用模擬器和真人進(jìn)行了對(duì)比測(cè)試，呼吸模擬器利用氣袋有規(guī)律的運(yùn)動(dòng)模擬呼吸，測(cè)試時(shí)，設(shè)定呼吸頻率（單位均為次/min）分別為15、16、17、18、19、20、21、22、23、24，將系統(tǒng)檢測(cè)值與設(shè)定值進(jìn)行對(duì)比，并計(jì)算測(cè)量誤差。測(cè)試得到的呼吸率誤差曲線如圖10所示，平均誤差為3.37%。

將睡眠呼吸檢測(cè)設(shè)備安裝在床頭，選取10位受試者躺在床上，檢測(cè)設(shè)備與人距離不超過(guò)1.5 m，測(cè)試場(chǎng)景如圖11所示。記錄測(cè)量結(jié)果并與醫(yī)用監(jiān)護(hù)儀測(cè)量數(shù)據(jù)進(jìn)行對(duì)比，測(cè)試結(jié)果如表1所示，平均誤差為3.52%。測(cè)試結(jié)果表明，定頻測(cè)試時(shí)呼吸率的平均測(cè)量誤差為3.37%，與醫(yī)用監(jiān)護(hù)儀對(duì)比測(cè)量的平均誤差為3.52%，測(cè)量結(jié)果的最大誤差為5.56%，測(cè)試結(jié)果的準(zhǔn)確率達(dá)到94.44%以上。該系統(tǒng)在日常睡眠監(jiān)測(cè)和臨床輔助診斷領(lǐng)域有較大應(yīng)用前景。

5" 結(jié)" 論

本文設(shè)計(jì)了一種基于雷達(dá)傳感器的睡眠呼吸檢測(cè)系統(tǒng)，通過(guò)雷達(dá)傳感器采集人在睡眠狀態(tài)下的呼吸信號(hào)。與現(xiàn)有的接觸式睡眠監(jiān)測(cè)系統(tǒng)相比，本文系統(tǒng)實(shí)現(xiàn)了生理和心理低負(fù)荷檢測(cè)。測(cè)試結(jié)果表明，該系統(tǒng)具有使用方便、檢測(cè)準(zhǔn)確率高、對(duì)睡眠無(wú)影響的優(yōu)勢(shì)，可用于臨床輔助診斷和日常睡眠呼吸監(jiān)測(cè)。

參考文獻(xiàn)

[1] FAULKNER S， BEE P. Experiences， perspectives and priorities of people with schizophrenia spectrum disorders regarding sleep disturbance and its treatment： a qualitative study [J]. BMC psychiatry， 2017， 17（1）： 158?175.

[2] MINER B， KRYGER M H. Sleep in the aging population [J]. Sleep medicine clinics， 2017， 12（1）： 31?38.

[3] 房鳳鳳，邊紅艷，韓繼明，等.合并病態(tài)失眠和睡眠呼吸暫停的研究進(jìn)展[J].中華保健醫(yī)學(xué)雜志，2023，25（3）：365?368.

[4] SANTILLI M， MANCIOCCHI E， ADDAZIO G D， et al. Preval?ence of obstructive sleep apnea syndrome： a single?center retrospective study [J]. International journal of environmental research and public health， 2021， 18（19）： 10277.

[5] 顏文美，林素琴，白旭純，等.分析阻塞性睡眠呼吸暫停綜合征的危險(xiǎn)因素[J].世界睡眠醫(yī)學(xué)雜志，2018，5（10）：1228?1229.

[6] DAURAI B， NAYAK P， MUDHALWADKAR R P. Sleep physiological parameter measurement for breath， chest and abdomen effort to detect apnea hypopnea [C]// 2017 International Conference on Intelligent Computing and Control. Madurai， India： IEEE， 2017： 1?4.

[7] 周聰聰，任相林，戴旭青，等.便攜式睡眠監(jiān)測(cè)設(shè)備的研究進(jìn)展[J].中國(guó)醫(yī)療設(shè)備，2021，36（9）：166?170.

[8] 彭嘉鵬，葉繼倫，張旭.便攜式的睡眠診斷系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].國(guó)外電子測(cè)量技術(shù)，2019，38（1）：143?148.

[9] CINEL G， TARIM E A， TEKIN H C. Wearable respiratory rate sensor technology for diagnosis of sleep apnea [C]// 2020 Medical Technologies Congress. Trabzon， Turkey： IEEE， 2020： 1?4.

[10] PANT V， KAMATH S， SHARMA P， et al. Design of apnea detector for health system [C]// 2022 3rd Internal Conference on Electronics and Sustainable Communication Systems. Coimbatore， India： IEEE， 2022： 17?21.

[11] 方震，簡(jiǎn)璞，張浩，等.基于FMCW雷達(dá)的非接觸式醫(yī)療健康監(jiān)測(cè)技術(shù)綜述[J].雷達(dá)學(xué)報(bào)，2022，11（3）：499?516.

[12] SNIGDHA F， ISLAM S M M， BORIC?LUBECKE O， et al. Obstructive sleep apnea （OSA） events classification by effective radar cross section （ERCS） method using microwave doppler radar and machine learning classifier [C]// 2020 IEEE MTT?S International Microwave Biomedical Conference. Toulouse， France： IEEE， 2020： 1?3.

[13] ALIZADEH M，SHAKER G，DE ALMEIDA J C M， et al. Remote monitoring of human vital signs using mm?wave FMCW radar [J]. IEEE access， 2019， 7： 54958?54968.

[14] 胡巍.基于多普勒雷達(dá)的非接觸式生命體征檢測(cè)技術(shù)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2014.

[15] 張冰洋，趙小玉，黃霞.基于生物雷達(dá)傳感器的非接觸式呼吸檢測(cè)系統(tǒng)設(shè)計(jì)[J].電子制作，2022，30（21）：12?15.